基于SABO优化VMD与K-means++的机器人磨削颤振识别

机器人由于低刚度特性导致加工中极易产生颤振,针对颤振特征频率提取与颤振识别问题,提出基于减法平均优化算法(SABO)对变分模态分解(VMD)中关键参数进行优化,筛选颤振敏感IMF分量并重组;根据颤振信号的频谱特性构建基于功率谱熵差(ΔPSE)的颤振识别指标,采用K-means++算法对不同颤振类型进行辨识。实验结构表明,所提出的SABO-VMD-K-means++方法可以准确识别机器人磨削加工颤振类型,为机器人磨削颤振监测提供一定的指导。